CN112907285A - 基于自适应网格和向后迭代积分的期权数据处理方法 - Google Patents
基于自适应网格和向后迭代积分的期权数据处理方法 Download PDFInfo
- Publication number
- CN112907285A CN112907285A CN202110182666.3A CN202110182666A CN112907285A CN 112907285 A CN112907285 A CN 112907285A CN 202110182666 A CN202110182666 A CN 202110182666A CN 112907285 A CN112907285 A CN 112907285A
- Authority
- CN
- China
- Prior art keywords
- option
- grid
- value
- obstacle
- backward
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 230000010354 integration Effects 0.000 claims abstract description 47
- 230000003044 adaptive effect Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 16
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims 1
- 230000004888 barrier function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 241000251730 Chondrichthyes Species 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 235000019013 Viburnum opulus Nutrition 0.000 description 1
- 244000071378 Viburnum opulus Species 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本申请公开了一种基于自适应网格和向后迭代积分的期权数据处理方法及装置，本申请方法包括服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；输出所述期权价值计算结果。本申请解决现有的期权价值计算的方式无法保证精度高并且速度更快的问题。
Description
技术领域
本申请涉及期权定价领域，具体而言，涉及一种基于自适应网格和向后迭代积分的期权数据处理方法及装置。
背景技术
在衍生品定价领域，期权的数值定价方法大致可以分为三类：树方法(二叉树和三叉树)、PDE(Partial Differential Equation)方法和蒙特卡洛模拟法。树方法的收敛速度慢，在定价复杂奇异期权时精度低，而PDE方法难以处理路径依赖问题。蒙特卡洛模拟法的精度高，也是目前应用范围最广泛的方法，然而，发明人在使用蒙特卡洛模拟法进行期权的价值计算时，发现该方法需要模拟百万条甚至千万条路径，比如对于价值在0附近的期权，蒙特卡洛模拟有可能需要1000万条路径才能准确定价，并且对于奇异期权还需要在每条路径上做计算，导致蒙特卡洛模拟的定价速度非常慢。
综上，对于现有的期权价值计算的方式存在的问题，亟需提出一种精度高且速度相对更快的期权定价方案。
发明内容
本申请的主要目的在于提供一种基于自适应网格和向后迭代积分的期权数据处理方法及装置，解决现有的期权价值计算的方式无法保证精度高并且速度更快的问题。
为了实现上述目的，根据本申请的第一方面，提供了一种基于自适应网格和向后迭代积分的期权数据处理方法。
根据本申请的基于自适应网格和向后迭代积分的期权数据处理方法包括：
服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；
对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；
对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；
根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；
输出所述期权价值计算结果。
可选的，所述在时间和标的资产价格维度上进行划分，构造自适应网格包括：
按照障碍观察日进行时间的划分；
基于关键价格、网格张开大小、网格密度计算每个障碍观察日的网格上限、网格下限、网格长度、每两个障碍观察日的时间间隔。
可选的，所述对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值包括：
按照如下向后积分迭代的公式分别计算没有敲出条款的每个网格点的价值：
其中，Ri为积分区域，不同期权类型对应不同的积分区域划分，f(x,y)是资产分布概率密度函数，t为每个障碍观察日对应的时间，t+Δt为每个障碍观察日的后一个障碍观察日对应的时间，V(x,t)为价格为x的网格点的价值。
可选的，所述f(x,y)为正态分布的概率密度函数，所述方法还包括：
通过辛普森法则对所述向后积分迭代的公式进行求解，得到每个没有敲出条款的网格点的价值。
可选的，在每个障碍观察日按照向后迭代积分计算得到网格点的价值之后，所述方法还包括：
根据期权的条款对网格点的价值进行修正，所述修正包括障碍价格修正、提前行权修正。
可选的，所述方法还包括：
以蒙特卡洛模拟法为基准对期权价值的计算速度和期权价值的相对误差进行评价；
通过调整网格张开大小、网格密度调节计算速度和精度。
可选的，若期权类型为单障碍期权，则按照障碍价格分为两个积分区域；若期权类型为双障碍期权，则按照障碍价格分为三个积分区域。
为了实现上述目的，根据本申请的第二方面，提供了另一种基于自适应网格和向后迭代积分的期权数据处理装置。
根据本申请的基于自适应网格和向后迭代积分的期权数据处理装置包括：
构造模块，用于服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；
第一计算模块，用于对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；
第二计算模块，用于对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；
第三计算模块，用于根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；
结果输出模块，用于输出所述期权价值计算结果。
可选的，所述构造模块包括：
划分单元，用于按照障碍观察日进行时间的划分；
第一计算单元，用于基于关键价格、网格张开大小、网格密度计算每个障碍观察日的网格上限、网格下限、网格长度、每两个障碍观察日的时间间隔。
可选的，所述第二计算模块用于：
按照如下向后积分迭代的公式分别计算没有敲出条款的每个网格点的价值：
其中，Ri为积分区域，不同期权类型对应不同的积分区域划分，f(x,y)是资产分布概率密度函数，t为每个障碍观察日对应的时间，t+Δt为每个障碍观察日的后一个障碍观察日对应的时间，V(x,t)为价格为x的网格点的价值。
可选的，所述f(x,y)为正态分布的概率密度函数，所述第二计算模块还用于：
通过辛普森法则对所述向后积分迭代的公式进行求解，得到每个没有敲出条款的网格点的价值。
可选的，所述装置还包括：
修正模块，用于在每个障碍观察日按照向后迭代积分计算得到网格点的价值之后，根据期权的条款对网格点的价值进行修正，所述修正包括障碍价格修正、提前行权修正。
可选的，所述装置还包括：
评价模块，用于以蒙特卡洛模拟法为基准对期权价值的计算速度和期权价值的相对误差进行评价；
调整模块，通过调整网格张开大小、网格密度调节计算速度和精度。
可选的，若期权类型为单障碍期权，则按照障碍价格分为两个积分区域；若期权类型为双障碍期权，则按照障碍价格分为三个积分区域。
为了实现上述目的，根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的基于自适应网格和向后迭代积分的期权数据处理方法。
为了实现上述目的，根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的基于自适应网格和向后迭代积分的期权数据处理方法。
在本申请实施例中，基于自适应网格和向后迭代积分的期权数据处理方法及装置中，首先服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；然后，对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；输出期权价值计算结果。本申请是利用自适应网格，采取后向迭代积分法来计算期权的价值，不需要模拟百万条甚至千万条路径，因此可以数百倍地加速期权定价的运算。另外，本申请可以灵活的设置网格，以及根据障碍价格精确的划分积分区域，也可以保证定价的精度和速度。本申请实施例的方式可以更好的满足期权交易软件或系统对期权定价的高实时性的要求。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的一种基于自适应网格和向后迭代积分的期权数据处理方法流程图；
图2是根据本申请实施例提供的一种向上敲出看涨期权向后迭代示意图；
图3根据本申请实施例提供的一种基于自适应网格和向后迭代积分的期权数据处理装置的组成框图；
图4是根据本申请实施例提供的另一种基于自适应网格和向后迭代积分的期权数据处理装置的组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本申请实施例，提供了一种基于自适应网格和向后迭代积分的期权数据处理方法，如图1所示，该方法包括如下的步骤：
S101.服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格。
服务端为期权计算的系统或软件的服务后端。具体的，“在时间和标的资产价格维度上进行划分，构造自适应网格”包括：按照障碍观察日进行时间的划分；基于关键价格、网格张开大小、网格密度计算每个障碍观察日的网格上限、网格下限、网格长度、每两个障碍观察日的时间间隔。
下面结合具体的示意图和示例对自适用网格的构造进行说明，如图2所示，以一个向上敲出障碍期权为例，向上敲出障碍期权的条款为：存在一系列障碍观察日(包含到期日)及相应的障碍价格(不同观察日的障碍价格可以不同)，在每个观察日，如果标的资产价格高于障碍价格，则为敲出，并获得相应的敲出补偿(不同观察日的敲出补偿可以不同)，期权终止；如果存续期间未敲出，则到期日获得看涨期权收益。已知有n个障碍观察日(图2中to表示敲出观察日，即障碍观察日，to1、…、toi、toi+1、…、ton-1、ton为n个障碍观察日)，按照n个障碍观察日进行时间的划分，假设每个观察日距起始日的时间记为tGridsi，每个观察日相应的障碍价格为Bi,1≤i≤n(图2中，中间的虚线(Knock out barriers处对应的虚线)对应为障碍价格，不同的观察日，对应的障碍价格不尽相同，图2中只是示意图)。首先计算每个观察日的网格上下限、网格长度、两个观察日的时间间隔，分别记为xMaxi,xMini,dxi,dti,1≤i≤n。
当i＝1时，
dti＝tGridsi,
当1＜i≤n时，
dti＝tGridsi-tGridsi-1,
其中s表示关键价格，GridSpan和GridDensity分别表示网格张开的大小以及网格密度，v为标的资产波动率，根据不同的期权类型和不同的定价精度、速度要求，GridSpan和GridDensity等参数可以做相应调整。其中需要说明的是，GridSpan和GridDensity是可以设置的，本申请中的期权类型主要是指单单障碍期权和双障碍期权，单障碍期权和双障碍期权是最简单和最基本的期权，在实际应用中，期权类型还可以为雪球期权、凤凰期权、累计期权等复杂的期权，这些期权是由一些单障碍和双障碍期权组合起来的，因此在实际的计算中可以拆分为单障碍期权和双障碍期权进行计算。图2是示意图，实际应用中不同的障碍观察日对应的网格上下限、网格长度不尽相同，但是每个障碍观察日中所有的网格长度是相同的。
S102.对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值。
以图2示例进行说明，带有敲出条款的网格点即为障碍价格以上的网格点。图2中是单障碍期权的示例图，对于双障碍期权，会有高低两个障碍价格，在高障碍价格以上的网格点和低障碍价格以下的网格点为带有敲出条款的网格点。这些带有敲出条款的网格点的价值可以根据敲出条款确定其价值。不需要进行后续的向后迭代积分计算。到期日的网格点为T时刻的网格点，到期日的网格点也是根据敲出条款计算的，不需要进行后续的向后迭代积分计算，到期日的网格点的价值是首先需要计算出的，这样才可以保证后续的向后迭代积分计算的正常计算。
S103.对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代。
具体的，“对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值”的实现包括：
按照如下向后积分迭代的公式分别计算没有敲出条款的每个网格点的价值：
对于该积分可以理解为：网格点的价值可以通过下一层(即后一个障碍观察日)中所有网格点的价值的加权平均得到。如图2中所示，比如对于第n-1个障碍观察日中方框中的网格点的价值，可以通过第n个障碍观察日中的各网格点的积分求得，在积分时需要分成两个积分区域进行积分。如果是多个积分区域就按照多个积分区域进行积分。
其中，Ri为积分区域，不同期权类型对应不同的积分区域划分，具体的对于单障碍期权，按照障碍价格分为两个积分区域；若期权类型为双障碍期权，则按照障碍价格分为三个积分区域。结合图2进行具体的说明，图2为单障碍期权，进行积分区域划分时，障碍价格以上的区域为一个积分区域，障碍价格以下的区域为另一区域。具体的每个部分的价值可以表示为
其中，B为障碍价格，V1(y,t)为障碍价格以上的区域，V2(y,t)为障碍价格以下的区域。同理，双障碍期权分为三个积分区域，每个区域的的价值可以表示为：
其中，BH、BL分别表示，高障碍价格和低障碍价格，V1(y,t)为高障碍价格以上的网格点的价值表示；V2(y,t)为高障碍价格以下低障碍价格以上的网格点的价值表示；V3(y,t)为低障碍价格以下的网格点的价值表示。
其中，f(x,y)是资产分布概率密度函数，不同的框架下，对应的资产分布概率密度函数可能是不同的，比如对于BS框架，f(x,y)是正态分布的概率密度函数；f(x,y)也可以是其他类型的资产分布概率密度函数，在不同的框架下，对应的f(x,y)可以是不同的，比如可以为对数正态分布的概率密度等。
其中，t为每个障碍观察日对应的时间，t+Δt为每个障碍观察日的后一个障碍观察日对应的时间；
其中，V(x,t)为价格为x的网格点的价值。
在对上述向后迭代公式进行求解时，可以使用法则进行求解，比如可以通过辛普森法则求出近似解。下述公式是辛普森法则，利用该法则对上述向后积分迭代公式进行求解，得到的积分结果为价格为x的网格点的价值。
具体的在利用上述向后积分迭代公式计算网格点价值时，先从倒数第二个障碍观察日开始，对倒数第二个障碍观察日上的没有敲出条款的网格点分别做如上积分计算得到每个网格点的价值。然后依次迭代积分得到前面所有障碍观察日的网格点的价值。
另外，还需要说明的是，在通过积分计算方式得到每个障碍观察日对应的网格点的价值后，还根据期权的具体条款进行价格修正，价格修正包括障碍价格修正、提前行权修正等。以修正后的价格继续计算前面的障碍观察日的价值。
总结上述的计算过程为，对每个i,1≤i≤n-1第i个观察日的网格点的值可以通过第i+1个观察日的网格点的值积分，再进行价格修正得到。
S104.根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果，并输出期权价值计算结果。
最后，当x0＝ln(spot)，spot为估值时的标的资产价格，用第一个观察日的网格点的积分得到V(x0,0)即为期权的理论价值，该理论价值作为期权价值计算结果，并将其通过前端输出。
从以上的描述中，可以看出，本申请实施例的基于自适应网格和向后迭代积分的期权数据处理方法中，首先服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；然后，对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；输出期权价值计算结果。本申请是利用自适应网格，采取后向迭代积分法来计算期权的价值，不需要模拟百万条甚至千万条路径，因此可以数百倍地加速期权定价的运算。另外，本申请可以灵活的设置网格，以及根据障碍价格精确的划分积分区域，也可以保证定价的精度和速度。本申请实施例的方式可以更好的满足期权交易软件或系统对期权定价的高实时性的要求。
进一步的，作为上述实施例的补充说明。该方法包括如下的步骤：
对于本申请的基于自适应网格和向后迭代积分的期权数据处理方法，为了验证其期权价值计算的速度和精度，通过具体的示例进行了验证，给出其中一种示例的计算结果进行说明。
示例：选取一个向上敲出障碍期权，在相同的测试环境参数下分别用蒙特卡洛模拟法和本申请中的基于自适应网格和后向迭代积分法进行定价。
期权的具体条款为：存续时间为120/365年(假设1年为365天)，敲出观察日为每天，初始价格为100，到期末未敲出获得看涨期权收益，行权价格为100，障碍价格为110，敲出收益为3，无风险利率为0.03，分红率为0.01，波动率为0.3，定价结果及计算时长见表1：
表1：蒙特卡洛模拟和后向迭代积分法的定价结果比较
需要说明的是：相对误差计算方法为(后向迭代积分法定价结果/100万次蒙特卡洛定价结果-1)*100％.
从上述的对比分析中，可以看到本申请方法的定价误差非常小，仅为-0.02％；在计算速度上，100万次蒙特卡洛模拟需要花费23.0秒，本申请方法只需要花费0.174秒，本申请方法执行速度是100万次蒙特卡洛模拟的100倍以上。
总的来说，与蒙特卡洛模拟相比，本申请利用自适应网格，采取后向迭代积分法，可以数百倍地加速期权定价的运算。特别地，对于价值在0附近的期权，蒙特卡洛模拟往往需要1000万条路径才能准确定价，而本申请的计算速度不受影响。另外，本发明对于定价各种复杂障碍期权具有天然优势，例如对于双鲨期权、Autocall期权，本发明可以灵活地设置网格、精确地划分积分区域，实现快速且精准的定价。而一般的树方法和PDE方法，网格设置相对固定，障碍价格是否刚好落在网格点上会对定价结果造成很大扰动，不能精确地定价复杂障碍期权。
最后，还需要说明的是，在计算得到期权价值后，即上述步骤中的期权的理论价值之后，还可以以蒙特卡洛模拟法为基准对期权价值的计算速度和期权价值的相对误差进行评价；另外，本方法可以通过调整网格张开大小、网格密度进一步调节计算速度和精度。具体的，可以适当减小网格张开大小或密度，提升计算速度。
最后，还需要说明的是，本实施例中的基于自适应网格和向后迭代积分的期权数据处理方法应用在场外衍生品交易管理系统中，场外衍生品交易管理系统可以被各种衍生品风险类的平台使用，在应用过程中可以满足期权定价的高实时性的要求。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请实施例，还提供了一种用于实施上述图1方法的基于自适应网格和向后迭代积分的期权数据处理装置，如图3所示，该装置包括：
构造模块21，用于服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；
第一计算模块22，用于对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；
第二计算模块23，用于对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；
第三计算模块24，用于根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；
结果输出模块25，用于输出所述期权价值计算结果。
从以上的描述中，可以看出，本申请实施例的基于自适应网格和向后迭代积分的期权数据处理装置中，首先服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；然后，对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；输出期权价值计算结果。本申请是利用自适应网格，采取后向迭代积分法来计算期权的价值，不需要模拟百万条甚至千万条路径，因此可以数百倍地加速期权定价的运算。另外，本申请可以灵活的设置网格，以及根据障碍价格精确的划分积分区域，也可以保证定价的精度和速度。本申请实施例的方式可以更好的满足期权交易软件或系统对期权定价的高实时性的要求。
进一步的，如图4所示，所述构造模块21包括：
划分单元211，用于按照障碍观察日进行时间的划分；
第一计算单元212，用于基于关键价格、网格张开大小、网格密度计算每个障碍观察日的网格上限、网格下限、网格长度、每两个障碍观察日的时间间隔。
进一步的，所述第二计算模块23还用于：
按照如下向后积分迭代的公式分别计算没有敲出条款的每个网格点的价值：
其中，Ri为积分区域，不同期权类型对应不同的积分区域划分，f(x,y)是资产分布概率密度函数，t为每个障碍观察日对应的时间，t+Δt为每个障碍观察日的后一个障碍观察日对应的时间，V(x,t)为价格为x的网格点的价值。
进一步的，所述f(x,y)为正态分布的概率密度函数，如图4所示，所述第二计算模块23还用于：
通过辛普森法则对所述向后积分迭代的公式进行求解，得到每个没有敲出条款的网格点的价值。
进一步的，如图4所示，所述装置还包括：
修正模块26，用于在每个障碍观察日按照向后迭代积分计算得到网格点的价值之后，根据期权的条款对网格点的价值进行修正，所述修正包括障碍价格修正、提前行权修正。
进一步的，如图4所示，所述装置还包括：
评价模块27，用于以蒙特卡洛模拟法为基准对期权价值的计算速度和期权价值的相对误差进行评价；
调整模块28，通过调整网格张开大小、网格密度调节计算速度和精度。
进一步的，若期权类型为单障碍期权，则按照障碍价格分为两个积分区域；若期权类型为双障碍期权，则按照障碍价格分为三个积分区域。
具体的，本申请实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
根据本申请实施例，还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述方法实施例中的基于自适应网格和向后迭代积分的期权数据处理方法。
根据本申请实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述方法实施例中的基于自适应网格和向后迭代积分的期权数据处理方法。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，所述方法包括：
服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；
对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；
对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；
根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；
输出所述期权价值计算结果。
2.根据权利要求1所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，所述在时间和标的资产价格维度上进行划分，构造自适应网格包括：
按照障碍观察日进行时间的划分；
基于关键价格、网格张开大小、网格密度计算每个障碍观察日的网格上限、网格下限、网格长度、每两个障碍观察日的时间间隔。
3.根据权利要求2所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，所述对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值包括：
按照如下向后积分迭代的公式分别计算没有敲出条款的每个网格点的价值：
其中，Ri为积分区域，不同期权类型对应不同的积分区域划分，f(x,y)是资产分布概率密度函数，t为每个障碍观察日对应的时间，t+Δt为每个障碍观察日的后一个障碍观察日对应的时间，V(x,t)为价格为x的网格点的价值。
4.根据权利要求3所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，所述f(x,y)为正态分布的概率密度函数，所述方法还包括：
通过辛普森法则对所述向后积分迭代的公式进行求解，得到每个没有敲出条款的网格点的价值。
5.根据权利要求2中所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，在每个障碍观察日按照向后迭代积分计算得到网格点的价值之后，所述方法还包括：
根据期权的条款对网格点的价值进行修正，所述修正包括障碍价格修正、提前行权修正。
6.根据权利要求5中所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，所述方法还包括：
以蒙特卡洛模拟法为基准对期权价值的计算速度和期权价值的相对误差进行评价；
通过调整网格张开大小、网格密度调节计算速度和精度。
7.根据权利要求3中所述的基于自适应网格和向后迭代积分的期权数据处理方法，其特征在于，若期权类型为单障碍期权，则按照障碍价格分为两个积分区域；若期权类型为双障碍期权，则按照障碍价格分为三个积分区域。
8.一种基于自适应网格和向后迭代积分的期权数据处理装置，其特征在于，所述装置包括：
构造模块，用于服务端对接收到的需要计算期权价值的标的资产在时间和标的资产价格维度上进行划分，构造自适应网格；
第一计算模块，用于对于带有敲出条款的网格点和到期日的网格点，基于敲出条款计算网格点的价值；
第二计算模块，用于对于没有敲出条款的网格点按照向后迭代积分方法计算网格点的价值，所述向后迭代积分方法为从最后一个障碍观察日到第一个障碍观察日依次积分迭代；
第三计算模块，用于根据第一个障碍观察日对应的网格点的价值计算期权的理论价值，得到期权价值计算结果；
结果输出模块，用于输出所述期权价值计算结果。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7中任意一项所述的基于自适应网格和向后迭代积分的期权数据处理方法。
10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1至7中任意一项所述的基于自适应网格和向后迭代积分的期权数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182666.3A CN112907285A (zh) | 2021-02-09 | 2021-02-09 | 基于自适应网格和向后迭代积分的期权数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182666.3A CN112907285A (zh) | 2021-02-09 | 2021-02-09 | 基于自适应网格和向后迭代积分的期权数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112907285A true CN112907285A (zh) | 2021-06-04 |
Family
ID=76123379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110182666.3A Pending CN112907285A (zh) | 2021-02-09 | 2021-02-09 | 基于自适应网格和向后迭代积分的期权数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907285A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147167A (zh) * | 2022-09-01 | 2022-10-04 | 合肥本源量子计算科技有限责任公司 | 雪球期权量子估算方法、装置、介质及电子装置 |
-
2021
- 2021-02-09 CN CN202110182666.3A patent/CN112907285A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147167A (zh) * | 2022-09-01 | 2022-10-04 | 合肥本源量子计算科技有限责任公司 | 雪球期权量子估算方法、装置、介质及电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aastveit et al. | Nowcasting GDP in real time: A density combination approach | |
| Meinshausen et al. | Monte Carlo methods for the valuation of multiple‐exercise options | |
| Gilli et al. | Calibrating the nelson-siegel-svensson model | |
| CN112907285A (zh) | 基于自适应网格和向后迭代积分的期权数据处理方法 | |
| Pérez et al. | Controlling extrapolations of nuclear properties with feature selection | |
| Benth et al. | Pricing and hedging options in energy markets using Black-76 | |
| Andreasen et al. | Random grids | |
| CN111967652A (zh) | 一种双层协同实时校正光伏预测方法 | |
| CN107562695B (zh) | 一种配电变压器的负载数据处理方法及装置 | |
| KR20180129496A (ko) | 전력 수요를 예측하는 방법 및 장치 | |
| CN110598171A (zh) | 基于Shannon熵-能量比的小波神经网络卫星钟差预报方法 | |
| Kouritzin | Explicit Heston solutions and stochastic approximation for path-dependent option pricing | |
| Jewson et al. | Decide now or wait for the next forecast? Testing a decision framework using real forecasts and observations | |
| CN115392575A (zh) | 负荷数据的生成方法、装置、设备及存储介质 | |
| US20160300308A1 (en) | Systems and methods for retirement planning | |
| De Ponte | Pricing barrier options with numerical methods | |
| CN105589950A (zh) | 事件属性语句确定及基于事件属性语句预警方法和装置 | |
| CN113591373A (zh) | modelica模型校准的方法、装置和设备 | |
| Szekeres | Checking the Evidence for Declining Discount Rates | |
| Zheng | Asset pricing based on stochastic delay differential equations | |
| Fan et al. | ON A MARKOV CHAIN APPROXIMATION METHOD FOR OPTION PRICING WITH REGIME SWITCHING. | |
| Karlsson | Finite element based Monte Carlo simulation of options on Lévy driven assets | |
| Areal et al. | Discrete dividends and the FTSE-100 index options valuation | |
| Ababaei et al. | Preserving spatial linear correlations between neighboring stations in simulating daily precipitation using extended Markov models | |
| Reghai | LSV Vega KT: an AD approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |